目前,我国公交运营公司在公交调度上主要是依据以往的人工经验去排班,这样的排班不仅有很大的繁琐性而且也不能提高公交运行效率。本文将利用公交大数据,实现公交调度排班优化。公交调度排班优化能适应人们的出行规律,疏通人流,提高公交的运行效率,吸引越来越多的人选择公交出行。本文首先对乘客的IC卡数据信息进行数据源分析和数据预处理。利用这些数据挖掘和提取出每个线路上乘客的客流量情况,对乘客的出行时间分布进行分析。根据每个站点的客流量,利用公交出行距离和下车站点的用地性质,根据大数据分析推算出每一个站点的下车概率和下车人数。本文还对客流量影响因素进行了分析和数字化处理,并建立了多元线性回归模型预测了未来的客流量。本文对当前公交企业调度系统进行了分析,建立了公交排班的数学模型。本文基于数据挖掘分析的结果上,使用截面客流量数据对模型进行约束,得出了公交客流出行的空间分布规律。再以发车间隔为决策变量,以发车最大间隔、最小发车间隔和车辆满载率为约束条件,建立公交线路排班的数学模型,以公交公司发车成本最小和乘客等车时间成本最小为目标,建立双目标函数的数学模型。本文设计了一种基于改进的遗传算法公交排班调度优化的解决方法,在对排班结果进行优化的过程中,本文分别在选择、交叉、变异三个阶段对算法进行改进和优化。选择的改进上是设计一个动态适应度函数,采用无放回式优良个体多复制的选择的方法。交叉的改进上是设计了新的交叉算子,交叉算子考虑了初期群体和后期群体质量会相差较大,所以使用了自适应交叉函数。变异上的改进是引入了禁忌搜索算法。在预测客流量基础上,基于改进的遗传算法,模型求解确定出最优的排班时刻表和最小配车数。通过实验例证分析,基于大数据挖掘分析可以很好地得到乘客的下车概率和下车人数,利用回归分析方法可以显著的预测出客流量,改进的遗传算法能够很好的改进公交排班问题。